qiskit-community
qgss-2026
A repository hosting graded exercises (labs) for the Qiskit Global Summer School 2026, with new labs added via releases.
ECI2026_MModal_GenAI
This repository contains course materials (slides, labs, tutorials) for a five-day hands-on summer school on generative and multimodal AI, covering vision, language, audio, and multimodality with modern Hugging Face tools.
Stars
24
7-day growth
No data
Forks
8
Open issues
0
License
No data
Last updated
2026-07-28
AI repository intelligence
FR-AI / ANALYSISWhy it is worth attention
It offers a rare structured introduction to generative and multimodal AI with practical labs using state-of-the-art models (GANs, diffusion, LLMs, audio classifiers, multimodal LLMs) all in Spanish, making advanced topics accessible to a wider audience.
Who it is for
- Graduate students or researchers in machine learning/deep learning
- Professionals seeking practical experience with generative AI models
- Spanish-speaking learners of multimodal AI
- Participants of the ECI 2026 summer school
Use cases
- Learning to fine-tune LLMs with LoRA and instruction-tuning
- Building and evaluating image-to-image translation with GANs
- Performing multimodal classification combining text and images
- Exploring audio preprocessing and music genre classification
Strengths
- Practical hands-on labs with real-world datasets (CrisisMMD, GTZAN)
- Covers four domains: vision, language, audio, and multimodal fusion
- Uses current libraries: transformers, diffusers, peft from Hugging Face
- Balanced theory–practice structure with one lecture and one lab per day
Considerations
- All content is in Spanish, limiting accessibility for non-Spanish speakers
- Course length is only five days, so depth is introductory
- Requires prior knowledge of ML/DL fundamentals and recommended NLP/signal processing background
README quick start
Inteligencia Artificial Generativa y Multimodal
Escuela de Ciencias Informáticas (ECI) 2026 — Departamento de Computación, FCEyN, Universidad de Buenos Aires
Docente: Valentín Barriere — Universidad de Chile
Este repositorio contiene el material (laboratorios, tutoriales y diapositivas) del curso Inteligencia Artificial Generativa y Multimodal, dictado en la ECI 2026 (Escuela de Ciencias Informáticas, FCEyN - UBA), del lunes 27 al viernes 31 de julio de 2026.
- Turno: Tarde, 13:30 a 16:30 hs
- Idioma: Español
- Aula: a confirmar
- Página del curso: https://eci.dc.uba.ar/t2-barriere/
Resumen
Este curso ofrece una introducción práctica y conceptual a los fundamentos y aplicaciones de la inteligencia artificial generativa y multimodal. A través de una combinación equilibrada entre teoría y práctica, se explorará cómo los modelos generativos modernos —modelos de visión (GANs, autoencoders variacionales, modelos de difusión), modelos de audio, y modelos de lenguaje de gran escala (textuales y multimodales)— pueden crear, transformar y comprender distintos tipos de contenido (texto, imágenes, audio y datos multimodales).
Los laboratorios hands-on permiten experimentar directamente con herramientas y bibliotecas actuales del ecosistema de IA (transformers, diffusers, peft, …) de Hugging Face para construir, adaptar y combinar modelos generativos en escenarios reales.
Prerrequisitos
Bases de Machine Learning y Deep Learning. Se recomienda (no es obligatorio) tener bases de NLP y de procesamiento de señales (STFT, escala Mel, etc.).
Contenido del curso
El curso está organizado en 5 días. Cada día combina una clase cátedra (teoría, 1h30) con un laboratorio hands-on (práctica, 1h30) sobre el mismo tema.
| # | Tema | Diapositivas | Laboratorio |
|---|---|---|---|
| 1 | Modelos de Visión — GANs, modelos autoregresivos, autoencoders variacionales y modelos de difusión | Generative_vision.pdf | Lab1 — Edición de caras con GANs (StyleGAN toonification) |
| 2 | Modelos de Lenguaje (LLM) — modelización del lenguaje, tokenización, entropía y temperatura, In-Context Learn |
Related repositories
Similar projects matched by category, topics, and programming language.
mate-matt
rag-memory-lab
A hands-on tutorial project that teaches core local RAG retrieval concepts by running Jupyter notebooks without external API keys.
harinishri2204-cpu
Pollu-Sence
PolluSense is an AI-driven platform that monitors and forecasts air pollution by identifying sources and predicting Air Quality Index (AQI) levels using machine learning and deep learning with real-time data.